Convertir PDF en texte
Gratuit, privé et rapide : tout se passe dans votre navigateur, et votre fichier PDF n'est jamais envoyé.
Pourquoi transformer un PDF en texte brut
Copier du texte depuis un lecteur PDF fonctionne pour une phrase, mais pour un document entier, cela entraîne des retours à la ligne bizarres, saute des pages ou s'arrête au bas de l'écran. Cet outil lit la couche texte de chaque page et vous donne un seul fichier texte brut en UTF-8, prêt pour un éditeur de texte, un outil de traduction, un script ou une recherche. Le texte apparaît aussi sur la page avec un bouton « Copier le texte » : vous pouvez donc le coller ailleurs sans rien télécharger. Choisissez ce qui sépare les pages : une courte ligne de repère comme « --- Page 2 --- », une ligne vide, ou un caractère de saut de page pour les outils qui comptent les pages de cette façon. Beaucoup de PDF, en particulier les numérisations, n'ont aucune couche texte ; l'outil vous indique alors quelles pages sont concernées au lieu de vous remettre un fichier vide.
Comment extraire le texte d'un PDF
- Déposez votre PDF dans le cadre, ou cliquez pour le choisir.
- Choisissez ce qui doit figurer entre les pages.
- Cliquez sur « Extraire le texte », puis téléchargez le fichier .txt ou copiez le texte depuis le cadre en dessous.
Points à surveiller
Les PDF numérisés n'ont pas de texte
Un scanner ou l'appareil photo d'un téléphone enregistre chaque page sous forme d'image. Si aucun OCR (reconnaissance de texte) n'a été effectué lors de la création du PDF, il n'y a aucun texte à extraire, et cet outil ne fait pas d'OCR. Les pages sans texte sont listées par numéro : un PDF qui mélange des pages saisies et des annexes numérisées reste donc utile.
Colonnes et tableaux
Le texte sort dans l'ordre où le PDF l'enregistre. Pour des paragraphes normaux, c'est l'ordre de lecture. Les journaux à plusieurs colonnes, les formulaires et les tableaux peuvent sortir colonne par colonne ou avec des cellules collées sur une même ligne : vérifiez-les avant de vous fier au résultat.
Caractères étranges
Certains PDF, souvent anciens ou issus de certains pilotes d'impression, utilisent des polices sans table indiquant à quelle lettre correspond chaque forme. Leur texte peut paraître correct à l'écran mais sortir sous forme de symboles sans signification. C'est une propriété du fichier ; un autre outil qui lit la même couche texte obtient le même résultat.
La mise en page n'est pas conservée
Un fichier .txt ne contient ni polices, ni gras, ni images, ni mise en page : seulement des caractères et des retours à la ligne. Les en-têtes, les pieds de page et les numéros de page imprimés sur les pages font partie du texte et apparaissent sur chaque page.
À propos des formats
Le PDF (Portable Document Format) a été créé par Adobe en 1993 et est une norme ISO depuis 2008. Un fichier PDF s'affiche de la même façon sur tous les appareils : c'est pourquoi on l'utilise pour les contrats, les factures, les formulaires, les manuels et les documents numérisés.
- Une page peut contenir du texte, des graphiques vectoriels et des images, chacun placé avec précision.
- Un document numérisé se compose généralement d'une image par page.
- Un PDF peut être protégé par un mot de passe, exigé pour l'ouvrir ou le modifier.
Texte brut
Un fichier texte brut (.txt) ne contient que des caractères et des retours à la ligne : ni polices, ni couleurs, ni images, ni mise en page. C'est donc le format de document le plus portable qui soit, lisible par tous les éditeurs, outils de recherche et langages de programmation.
- L'encodage détermine la façon dont les lettres au-delà de A à Z sont enregistrées ; l'UTF-8 couvre tous les alphabets.
- Windows termine les lignes par CR LF, Mac et Linux par LF ; les éditeurs actuels lisent les deux.
- Il n'y a pas de mise en page, les sauts de page sont donc écrits sous forme de lignes de repère ou de caractères de saut de page (form feed).
Questions fréquentes
Mon PDF est-il envoyé sur un serveur ?
Non. Le texte est lu par votre navigateur, sur votre propre appareil, et ni le PDF ni le texte ne sont envoyés nulle part.
Quel encodage le fichier texte utilise-t-il ?
L'UTF-8, qui conserve des lettres comme æ, ü et é, ainsi que les caractères d'autres alphabets. Tous les éditeurs de texte actuels, y compris le Bloc-notes de Windows 10 et 11 et TextEdit sur Mac, l'ouvrent correctement.
Puis-je extraire le texte d'un PDF protégé par mot de passe ?
Pas s'il demande un mot de passe à l'ouverture. Supprimez d'abord le mot de passe dans votre lecteur PDF, puis extrayez le texte ici.
Puis-je obtenir le texte de certaines pages seulement ?
L'outil lit le document entier. Pour obtenir quelques pages, extrayez d'abord ces pages dans un nouveau PDF et convertissez ce fichier, ou gardez les repères de page et supprimez ce dont vous n'avez pas besoin dans un éditeur de texte.